元学习算法选择机制及关联对性能的影响

被引：3

作者：

杨利英 ^{[1
]}

张军英 ^{[1
]}

覃征 ^{[2
]}

机构：

[1] 西安电子科技大学计算机学院

[2] 清华大学软件学院

来源：

电子科技大学学报 | 2007年 / 02期

关键词：

偏差/方差分解; 关联; 元学习; 多分类器系统;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

提出一种元学习定义,从偏差/方差分解角度对元学习中学习算法的选取机制进行研究,得出了元级选用错误率低且偏差小的学习算法、基级学习算法按照错误率及方差从低到高排列的结论。鉴于标准数据集不能充分评估关联对元学习性能的影响,设计了一种模拟算法以产生模拟数据集。在UCI标准数据集和模拟数据集上的实验表明,同常用的多数投票等组合方法相比,基于算法选择机制的元学习表现出优良的性能,且分类器之间的负关联有助于性能的改进。

引用

页码：278 / 280+290 +290

页数：4